集成的CTC丰富和双响应的纳米探针识别使基于液体活检的智能癌症诊断成为可能
Sitian He1, Lihua Ding2, Clement Yaw Effah2
1The Medical Laboratory Center, Hainan General Hospital, Hainan Medical University Hainan Hospital, Haikou, Hainan 570311, China.
ACS sensors
|March 3, 2026
概括
这项研究引入了一种新的,无固定方法,用于使用双标记系统识别活的循环瘤细胞 (CTC). 这种方法提高了肺癌患者的CTC检测,并通过机器学习提高了诊断准确度.
科学领域:
- 生物医学工程 生物医学工程
- 癌症生物学 癌症生物学
- 纳米技术 纳米技术
背景情况:
- 精确识别循环瘤细胞 (CTC) 对于癌症诊断和监测至关重要.
- 区分活跃的CTC与没有固定的白细胞是具有挑战性的,但对于下游分子分析至关重要.
- 现有的方法可能会损害细胞完整性或缺乏早期癌症检测的敏感性.
研究的目的:
- 开发一种新的,没有固定性的双标记传感策略,用于敏感和特定地识别可行的CTC.
- 将这一策略与一种丰富方法相结合,以改进CTC捕获和分析.
- 利用结合CTC计数和血液学参数的机器学习模型,用于增强肺癌诊断.
主要方法:
- 开发对端粒酶敏感的金纳米粒子 (polyA-TSP-AuNPs),以增强细胞内负电荷.
- 用于双标记传感的线粒体向聚合诱导排放探针 (DSA-PPh3) 的合成.
- 双标记系统与rVAR2-FETCH丰富方法的整合.
- 使用CTC计数和血液学数据应用监督机器学习模型 (例如,支持矢量机器).
主要成果:
- 双标记系统实现了10.03的瘤-白细胞信号比率,优于现有方法.
- 观察到与CellSearch试剂的高度一致性 (R = 0.97),保持了RNA完整性.
- 综合平台在83.67%的非小细胞肺癌患者中检测到CTC,超过了CellSearch套件.
- 机器学习模型,特别是支持向量机 (AUC = 0.977),显示了肺癌的优异诊断性能.
结论:
- 新的无固定双标记传感策略有效地识别了具有高灵敏度和特异性的可行的CTC.
- 与rVAR2-FETCH丰富和机器学习的集成显著提高了CTC检测和肺癌诊断准确度.
- 这个平台为非侵入性癌症诊断和患者监测提供了有希望的进步.
